[发明专利]一种基于样例的虚拟试衣方法

说明书

本发明公开了一种基于样例的虚拟试衣方法，所述方法包括以下步骤：输入人体姿势和体型参数，生成相应的三维人体模型；根据姿势参数，调用衣服姿势模型，生成标准体型、输入姿势下的三维衣服数据；根据姿势参数，搜索若干邻近的衣服体型模型；对每个邻近的衣服体型模型，根据体型参数生成相应的衣服数据，并使用LBS(Linear Blend Skinning)让衣服朝输入姿势进行变形；利用上述步骤得到的数据，合成输入人体姿势和体型参数下的衣服数据；解决衣服和人体的贯穿问题，本发明能够实时生成不同体型不同姿势下的衣服数据，同时保持衣服的大小，可以用于后续评价衣服是否合适，或用于动画、游戏领域。

技术领域

本发明涉及虚拟试衣技术领域，特别是涉及一种基于样例的虚拟试衣方法。

背景技术

生活中，为了挑选一件合身的衣服，顾客不仅需要亲自到服装店(或者网购到家)，还需要试穿不同尺寸的衣服以找到最适合自己的，整个过程耗时耗力。幸运的是，虚拟试衣技术正在改变这一现状。通过虚拟试衣，顾客可以轻松快速的得到不同尺寸的衣服在自己做不同动作时的试穿效果，大大简化了挑选衣服的过程。此外，虚拟试衣技术还广泛应用于电子游戏、虚拟城市等领域。为此，研究者们提出了一些可以快速、真实的生成布料动画的方法，包括物理仿真方法和数据驱动方法

物理仿真方法可以生成布料的非线性特征并获得较为真实的仿真结果。然而，当布料的网格很稠密时，仿真将很耗时，难以生成实时的布料动画。而且，对于不同的人体模型(不同的顾客)，仿真过程需要重头开始，这又进一步增加了时间消耗，这使得物理仿真方法难以直接应用于实时虚拟试衣。

数据驱动的方法利用预生成的布料数据合成所需的布料形状，为了达到实时性，这些方法通常假设衣服的形变与人体姿势之间的关系是线性的和局部的，这种简化会给布料的精确度带来一定影响。Xu等人提出了一种基于样例的实时布料合成方法(参见WeiweiXu,Nobuyuki Umentani,Qianwen Chao,Jie Mao,Xiaogang Jin,and XinTong.2014.Sensitivity-optimized rigging for example-basedreal-time clothingsynthesis.ACM Trans.Graph.33,4(2014),107.)，该方法使用基于敏感度分析的蒙皮方法(sensitivity-optimized rigging)，可以生成较为真实的布料形态。然而该方法只能生成不同姿势下的布料形态，无法处理不同体型的人体。

为了同时处理人体的姿势和体型变化，Peng等人提出了一个布料模型，称为DRAPE(DRessing Any Person)，(参见Peng Guan,Loretta Reiss,David A Hirshberg,Alexander Weiss,andMichael J Black.2012.DRAPE:DRessing Any PErson.ACMTrans.Graph.31,4(2012),35–1.)。该方法将布料的形变分解成由人体姿势变化带来的和由人体体型变化带来的，两个独立的部分。DRAPE可以为不同姿势不同体型的人体生成定制化的衣服，并根据人体体型改变衣服的纸样。然而，DRAPE无法生成同一件衣服穿在不同姿势不同体型的人体下的效果。

Santesteban等人提出了一个衣服形变的学习模型(Igor Santesteban,Miguel AOtaduy,and Dan Casas.2019.Learning-Based Animation of Clothing for VirtualTry-On.arXiv preprintarXiv:1903.07190(2019).)。该方法将姿势和体型变化带来的纠正量添加到模板衣服上，然后使用蒙皮函数对模板衣服进行变形，获得最终的结果。纠正量和人体姿势、体型的函数关系使用神经网络学习得到。该方法可以高效的预测同一件衣服在不同姿势不同体型的人体下的试穿效果，然而，该方法的训练数据生成以及训练十分耗时。